MMT实验复现记录

于 2020-11-17 20:55:50 发布
阅读量375 收藏
点赞数
分类专栏： # 可以uda
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44523062/article/details/109752828
版权

两张 2080，配置文件还是原始master 配置

1 dukeTOmarket

在这里插入图片描述

1 pretrain_resnet50_net_1

test on duke
在这里插入图片描述
test on market
在这里插入图片描述

2 pretrain_resnet50_net_2

test on duke
在这里插入图片描述
test on market

在这里插入图片描述

3 MMT-kmeans-500

test on market
在这里插入图片描述

4 MMT-DBSCAN

在这里插入图片描述

原文实验结果

me, 为什么一开始就 baseline的跨域性能就差3个点

Duke - marketmAP (原始论文)top-1(原始论文)
Per-trained(Resnet-50)28.7 （31.8）57.2 (61.9)
Proposed MMT-500(restnet50)70.5 (71.2)87.2 (87.7)
Proposed MMT-DBCSAN(resnet50)72.987.1

在这里插入图片描述

AIchiNiurou
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
MMT-2021Mar08
03-09
MMT- 2021年3月8日 应用概述： 类型：Web API 框架：C＃.NET Core 3.1 请注意，需要使用以下来自nuget.org的软件包来编译运行项目： 安装包Microsoft.AspNetCore.Diagnostics.EntityFrameworkCore 安装包Microsoft.EntityFrameworkCore.SqlServer 测试在Postman.co中进行； 测试脚本已导出到位于项目根文件夹中的Postman Collection文件Customer_Order.postman_collection.json。 这是有关如何在邮递员工作区中导入馆藏的很好的说明。 我选择Postman是因为它的简单性和速度。 其他选项太费力了，这主要是由于模仿EntityFramework db上下文所需的步骤，这仍然使我们缺乏完整的端到端测试。 鲁
论文阅读3 | MMT
滨哥v5的博客
03-31 717
MMT
MTT 实验步骤
fengdianbianyuan的博客
11-25 9589
MTT 实验步骤 MTT： 3-(4,5-dimethyl-2-thiazolyl)-2,5-diphenyl-2-H-tetrazolium bromide，汉语化学名为 3-(4, 5-二甲基噻唑-2)-2, 5- 二苯基四氮唑溴盐，商品名：噻唑蓝。 原理: MTT比色法，是一种检测细胞存活和生长的方法。其检测原理为活细胞线粒体中的琥珀酸脱氢酶能使外源性MTT还原为水不溶性的蓝紫色结晶甲瓒...
特征层面上的生成对抗，market特征 迁移 duke
t20134297的博客
04-13 255
import torch import torch.nn as nn from torchvision import models from torchvision import datasets,transforms #import matplotlib.pyplot as plt #https://www.zhihu.com/search?type=content&q=pytorc...
MMT：互均值教学-伪标签提炼 for person reid
weixin_44523062的博客
10-17 430
基于聚类的伪标签获取 利用伪标签训练unlabeled数据的 问题所在 MMT mean-teacher （17年）求多次迭代数之后的模型参数均值为最后的模型参数 使生成的标签更精确一些 利用伪标签进行 蒸馏（cls loss+tri loss）学习 Softmax triplet loss for triplet distillation ...
MPEG MMT standard
05-04
MPEG MMT standard for live streaming especially for broadcast.
MMt-sne 演讲ppt
06-27
MMt-sne 演讲ppt ，详细介绍MMt-sne的内容，使用ppt的形式，可以用于演讲和讨论班学习。
MMT05B230T3的技术参数
12-10
产品型号:MMT05B230T3浪涌电流IPPS1(10x1000us)(A):50最大断态电压VDM(Max)(V):170最大溢出电压VBO(Max)(V):265最小保持电流IH(Min)(mA):175封装/温度(℃):SMA/-40~125价格/1片(套):￥2.60 
反导系统开发关于MMT方面研究整理.docx
08-04
反导系统开发关于MMT方面研究整理 本文档主要讨论STK MMT模块的使用及相关二次开发示例，涵盖STK MMT的基本概念、用户界面、飞行轨迹、拦截场景、分析目标等方面的知识点。 一、MMT 使用简介 MMT（Mission Model ...
MMT-Retrieval
03-25
MMT检索：使用多模式变压器（OSCAR，UNITER，M3P＆Co）进行图像检索及更多操作该项目提供了一种简便的方法，可以使用最近经过预训练的多模式变压器（例如 ， 或进行图像搜索等）。 该代码主要用于图像文本检索。 ...
行人重识别(ReID) ——数据集描述 DukeMTMC-reID
热门推荐
gmHappy
10-30 2万+
数据集简介 　　DukeMTMC 数据集是一个大规模标记的多目标多摄像机行人跟踪数据集。它提供了一个由 8 个同步摄像机记录的新型大型高清视频数据集，具有 7,000 多个单摄像机轨迹和超过 2,700 多个独立人物，DukeMTMC-reID 是 DukeMTMC 数据集的行人重识别子集，并且提供了人工标注的bounding box。 目录结构 DukeMTMC-reID 　　├─...
REID 互平均学习MMT 孪生网络的无监督行人重识别，代码包括如何按照 M = alpha(M_t) + (1-alpha)(M_t-1)更新网络参数
t20134297的博客
06-03 1205
Mutual Mean-Teaching: Pseudo Label Refinery for Unsupervised Domain Adaptation on Person Re-identification 知乎讲解：https://zhuanlan.zhihu.com/p/116074945 代码地址：https://link.zhihu.com/?target=https%3A//github.com/yxgeee/MMT
多GPU并行训练和单GPU训练网络精度对比
weixin_44523062的博客
11-07 2064
文章目录实验配置1 单2080s 86.4 / 94.42 单2080 86.0 / 94.53 利用torch的parallel两张并行 85.0 /93.7 实验配置 一张2080s, 一张2080 1 单2080s 86.4 / 94.4 re-ranking 2 单2080 86.0 / 94.5 3 利用torch的parallel两张并行 85.0 /93.7 ...
Deep subdomain adaptation network （DSAN）细粒度领域自适应2020 image classification
weixin_44523062的博客
10-18 1671
细粒度对齐方法，local domain shift 子领域对齐（可看作每类是一个子领域），语义对齐，匹配条件（概率）分布 subdomain adaptation (also called semantic alignment or matching conditional distribution) https://zhuanlan.zhihu.com/p/254856261 http://jd92.wang/assets/files/a24tnnls20.pdf 王晋东：Balance 边缘和条件
DA的真正含义，JDA方法介绍--wangjindong
weixin_44523062的博客
10-20 1391
https://zhuanlan.zhihu.com/p/27336930 分析的透彻，从边缘分布适配， 到条件概率适配，最后得到JDA联合概率适配 通过源域预训练的的分类器，预测目标域为标签，最后得到MMD距离进行适配
深度学习噪声标签的筛选
weixin_44523062的博客
11-10 1180
https://www.cnblogs.com/jins-note/p/9548012.html 深度学习中噪声标签的影响和识别 </h1> <div class="clear"></div> <div class="postBody"> 问题导入在机器学习领域中，常见的一类工作是使用带标签数据训练神经网络实现分类
思考总结：REID实践 罗浩郑哲东 bag of tricks for person reid baseline运行记录
weixin_44523062的博客
07-02 709
1 、下载，baseline和data：market1501 https://github.com/michuanhaohao/reid-strong-baseline 2 、baseline.yml修改 下载restnet50的pretrain模型，把模型的下载位置拷贝到yml里 from torchvision import models models.resnet50(pretrained=True) 3 、yacs安装 pip install pytorch-ignite
学习笔记：基于软多标签学习---的无监督行人再识别 中山大学
weixin_44523062的博客
08-14 684
MAR：soft Multi-label 图1所示。说明我们的软多标签概念。通过比较一组已知的辅助参考人员(箭头线越粗表示标签的似然性越高)，我们为每个未标记人员学习一个软多标签(实值标签向量)。以彩色观看效果最佳。 ...
学习笔记：投射到共享特征空间An Unsupervised Deep Transfer Learning Approach to reid
weixin_44523062的博客
07-31 589
其中一篇参考文献 2018Adaptation and Re-Identification Network: An Unsupervised Deep Transfer Learning Approach to Person Re-Identification 寻找共享特征空间，域不变特征

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值